在 Lightning AI 上定制培训Ultralytics YOLO 模型

无论您是经验丰富的人工智能开发人员，还是刚刚开始探索视觉人工智能，拥有一个可靠的环境来玩转和实验计算机视觉模型，如 Ultralytics YOLO11等计算机视觉模型的关键。环境指的是高效设计、测试和部署人工智能模型所需的工具、资源和基础设施。 

虽然有几个在线平台提供不同的 AI 工具，但许多平台没有为整个 AI 生命周期（从数据准备到模型部署）提供统一的环境。而 Lightning AI 是一个用于 AI 开发的一体化平台，可以简化从数据准备到部署的整个过程。

YOLO Vision 2024（YV24）是Ultralytics 主办的一年一度的混合活动，重点关注人工智能和计算机视觉领域的进展。Lightning AI 首席技术官Luca Antiga 发表了题为"GoingYOLO on Lightning Studios"的主题演讲，详细介绍了如何使用 Lightning AI 快速、顺利地训练Ultralytics YOLO 模型，而不涉及复杂的技术问题。

在本文中，我们将深入探讨卢卡演讲的主要内容，包括从真实世界的计算机视觉应用到使用 Lightning AI 训练和部署Ultralytics YOLO 模型的现场演示。让我们开始吧！

使用 Lightning AI 和Ultralytics YOLO 简化人工智能开发

卢卡在主题发言中首先分享了他对YOLO 模式在各行各业的影响的看法和赞赏。他强调了YOLO 模式如何应用于制造业和农业等行业。他说："我很欣赏YOLO 对建设者群体的影响--他们需要解决实际、实用的问题--这与我非常接近。

考虑到人们对AI训练日益增长的兴趣，他介绍了Lightning AI，这是一个旨在使AI模型开发更快、更简单、更易于所有人使用的平台。它对于支持AI的迭代改进尤其有用，可以帮助开发人员改进和完善模型。

​

他还指出，Lightning AI 类似于PyTorch Lightning，后者是一个简化人工智能模型训练过程的框架。但不同之处在于，Lightning AI 是一个更全面的平台，为整个人工智能开发过程提供了更广泛的工具和功能，而不仅仅是训练人工智能模型。 

Lightning AI 的一个重要组成部分是 Lightning Studios，它提供了一个直观的工作区来设计、训练和部署 AI 模型，从而使整个工作流程无缝且高效。您可以将 Lightning Studios 视为在云上运行的 AI 的可重现开发环境。例如，它提供了一个类似于 Jupyter Notebook 的环境，可以复制并与其他开发人员共享，从而有助于改善协作。 

Luca 接着阐述了 Lightning Studios 的优势，他说："复制环境不再是问题。如果你需要从CPU （中央处理器）机器换到GPU （图形处理器）机器，或者在上千台机器上启动培训，你的环境将是持久的。

设置 Lightning Studios 进行训练和开发

接下来，Luca 演示了如何快速上手 Lightning Studios。只需点击几下，您就可以打开一个新的工作室，访问 Jupyter Notebooks 和VS Code 等工具和环境，所有设置都已准备就绪，随时可以进行编码。他展示了在不同机器之间切换的便捷性。如果您正在执行的任务需要更强大的功能，您可以轻松地从CPU 切换到更强大的GPU。GPU 只有在使用时才会保持激活状态，否则就会进入睡眠模式，从而节省功耗。

Luca 还提到了使用 Studio 模板的好处。它们是由社区预先构建的 AI 编码环境，您可以直接使用，无需进行任何设置。为 AI 项目设置环境可能非常耗时，而 Studio 模板可以帮助提高效率。这些环境预先加载了 AI 项目所需的一切，例如已安装的依赖项、模型权重、数据、代码等。

​

在 Lightning Studios 上训练Ultralytics YOLO 模型

随后，Luca开始了现场演示，重点介绍了如何使用Lightning Studio来训练Ultralytics YOLO 模型。他打开了一个Studio模板，该模板已经安装了所有的依赖项，并启动了一台有四个GPU的机器，以加快训练过程。在数据方面，他说可以选择将数据直接存储在机器上，或者从云端流式传输，从而使训练过程更快、更高效。

几秒钟之内，机器就准备就绪，Luca 迅速启动了训练会话。在演示过程中，一个小问题导致机器意外停止，但 Lightning Studios 无缝地从中断处恢复，确保没有丢失任何进度。Luca 指出，即使面对意外中断，这种可靠性也能支持流畅的工作流程。

在演示中，他展示了使用 TensorBoard 监控训练进度是多么容易，TensorBoard 是一种用于实时可视化机器学习指标的工具。Lightning Studio 通过自动生成 URL 使此过程更加简单，通过这些 URL，您或同一工作区中的团队成员无需任何额外设置即可访问 TensorBoard 视图。这简化了协作，并使每个人都保持在同一页面上。 

​

利用 Lit Serve 部署Ultralytics YOLO 模型

在演示之后，Luca将谈话的重点转移到一个由Lightning AI最近推出的新项目LitServe。LitServe简化了将训练好的模型转化为可扩展服务的流程，其他人可以使用该服务，而无需复杂的部署流程。它旨在处理从打包模型到部署模型的全部过程，并且只需最少的精力。

为了实时展示这一点，卢卡使用预先训练好的 Ultralytics YOLOv8模型进行了快速演示。他能够创建一个简单的应用程序接口来处理传入的请求，并在几秒钟内返回图像预测结果。这意味着，任何人都可以通过图像向该应用程序接口发送请求，几乎在瞬间就能获得对象检测等计算机视觉任务的结果。在幕后，Ultralytics YOLOv8 模型以服务的形式部署，高效地处理请求、处理图像，并以最小的延迟提供预测结果。

​

他在一张披萨图片上进行了推理，Ultralytics YOLOv8 成功地识别出了披萨、勺子和餐桌等物体。他解释说，虽然由于 "冷启动 "的原因，第一次请求所需的时间稍长，但系统预热后，后续请求的速度就快多了。

然后 Luca 问道：‘如果我想将它暴露给外部世界该怎么办？’他概述了 API Builder 插件如何使将您的模型转化为可实时投入生产的服务变得简单。借助自定义域名、增强的安全性以及无缝集成等功能，您可以轻松地使您的模型可供任何人访问。

使用 Lightning Studios 的主要优势

Luca 在演讲结束时谈到了 Lightning Studio 在人工智能开发中的可扩展性和灵活性。他提到该平台如何跨多台机器训练模型，扩展到 10,000 个节点，并具有容错训练功能，可在任何中断后自动恢复。 

例如，如果GPU 集群上的训练作业因硬件问题或服务器重启而中断，Lightning Studios 可确保进程从中断处恢复。这使它成为大规模人工智能项目的理想选择，例如在大规模数据集上训练深度学习模型，如ImageNet 或 COCO.

以下是 Luca 提到的 Lightning Studios 的其他一些主要优势：

• 每月免费提供GPU 点数：每月为用户提供 15 个免费GPU 点数，这些点数会自动充值，确保您可以在不增加成本的情况下进行实验和开发。
  ‍
• 增强的协作： Lightning Studio的共享团队空间和可重现的环境使团队成员能够无缝协作，确保整个项目的一致性和效率。
  ‍
• 灵活的实例选项：它可让您灵活选择可中断和不可中断实例，使用户能够通过可中断选项节省GPU 机器的成本。
  ‍
• 与现有工具集成：该平台与 SSH（安全 Shell）和 VS Code 等远程开发工具集成，从而可以灵活地在本地或云端工作。

主要要点

Luca 在 YV24 上的主题演讲强调了人工智能如何与Ultralytics YOLO 模型和 Lightning AI 等工具相结合，改变我们解决实际问题的方式。它们使开发人员更容易训练和部署模型，这些模型是为解决各行各业的具体问题而设计的。

他介绍了Lightning Studios如何使整个开发过程更快、更方便，让开发人员轻松创建强大的解决方案。作为Lightning AI等尖端平台的核心，计算机视觉模型正在改变人工智能解决方案应对挑战的方式。特别是利用最新的Ultralytics YOLO11 模型，开发人员可以构建能产生重大影响的解决方案。

加入我们的社区，以随时了解人工智能及其在实践中的应用。查看我们的GitHub仓库，以探索人工智能在自动驾驶汽车和计算机视觉在医疗保健领域等领域的创新。